Article Per Year (5 Year)
p-Index From 2019 - 2024
0
P-Index
This Author published in this journals
All Journal Prosiding Seminar Nasional Sains Dan Teknologi Fakultas Teknik
Yulison Herry Chrisnanto
Jurusan Informatika, Fakultas MIPA, Universitas Jenderal Achmad Yani
Computer Science & IT Engineering

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
KLASIFIKASI HELPDESK UNIVERSITAS JENDERAL ACHMAD YANI MENGGUNAKAN CONCEPT FREQUENCY-INVERSE DOCUMENT FREQUENCY (CF-IDF) DAN K-NEAREST NEIGHBORS (K-NN) Taufiq Akbar Herawan; Yulison Herry Chrisnanto; Asep Id Hadiana
Prosiding SNST Fakultas Teknik Vol 1, No 1 (2016): PROSIDING SEMINAR NASIONAL SAINS DAN TEKNOLOGI 7 2016
Publisher : Prosiding SNST Fakultas Teknik

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (447.727 KB)

Abstract

Universitas Jenderal Achmad Yani (Unjani) memiliki fasilitas Helpdesk pada website sebagai tempat untuk menampung pelayanan berupa pesan yang terdiri dari pertanyaan atau komplain terhadap permasalahan yang berkaitan dengan civitas akademik. Banyaknya jumlah pesan yang diterima setiap harinya serta dengan dibutuhkannya tingkat kesiapan yang tinggi dapat berpotensi menimbulkan kesulitan dalam melakukan klasifikasi isi pesan, dengan demikian distribusi terhadap pesan tersebut menjadi terhambat. Proses klasifikasi memiliki beberapa proses preprocessing yang terdiri dari proses case folding, tokenizing, stemming, dan filtering. Pembobotan yang dilakukan adalah dengan menggunakan Concept Frequency-Inverse Document Frequency (CF-IDF). Cosine similarity salah satu metode yang dapat diterapkan untuk membandingkan kedekatan antara data latih degan data uji. K-Nearest Neighbors (K-NN) merupakan suatu metode yang menggunakan algoritma supervised yang dimana metode ini digunakan untuk melakukan klasifikasi terhadap objek berdasarkan data pembelajaran yang tingkat kemiripanya paling dekat dengan objek tersebut. Berdasarkan hasil dari penelitian yang telah dilakukan semakin besar jumlah K yang digunakan maka akurasi dari klasifikasi semakin menurun. Akurasi terbesar didapatkan dengan menggunakan jumlah kedekatan K=1 dengan akurasi sebesar 95%. Kata kunci: CF-IDF, cosine similarity, helpdesk, klasifikasi, K-NN
PENENTUAN PENANGANAN KERUSAKAN MESIN PRODUKSI RESLETING DI PT. HERO TOP ZIP MENGGUNAKAN CASE BASED REASONING DAN SORENSEN COEFFICIENT Aditya Prakasa; Yulison Herry Chrisnanto; Agus Komarudin
Prosiding SNST Fakultas Teknik Vol 1, No 1 (2016): PROSIDING SEMINAR NASIONAL SAINS DAN TEKNOLOGI 7 2016
Publisher : Prosiding SNST Fakultas Teknik

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (241.173 KB)

Abstract

Sebuah perusahaan yang bergerak di dalam bidang industri, biasanya membutuhkan mesin dalam melakukan proses produksi. Dalam industri pembuatan resleting, proses pengolahan bahan baku mentah sampai menjadi barang jadi membutuhkan 17 jenis mesin dalam satu kali proses produksi. Pengoperasian mesin yang dilakukan setiap hari, membuat mesin tidak menutup kemungkinan akan mengalami kerusakan. Penanganan dan perbaikan dari setiap jenis mesin yang berbeda-beda membuat teknisi mesin harus teliti dalam melakukan perbaikan. Biasanya dalam satu kali perbaikan, teknisi membutuhkan waktu sekitar satu sampai dua hari dikarenakan teknisi harus mengingat kembali kasus perbaikan terdahulu yang pernah dilakukan sebelumnya. Berdasarkan hal ini, maka dapat dibuatkan sebuah sistem yang dapat memberikan informasi perbaikan mesin dengan cara membandingkan kasus kerusakan baru dengan kasus terdahulu yang pernah terjadi. Metode yang digunakan berdasarkan penggunaan kembali kasus terdahulu adalah Case Based Reasoning (CBR). Metode ini merupakan metode yang digunakan dengan cara memanfaatkan kasus terdahulu sebagai referensi solusi pada kasus baru dan perhitungan kemiripan antar kasus menggunakan Sorensen Coefficient. Hasil dari penelitian ini berupa informasi perbaikan mesin yang sesuai dengan jenis mesin dan gejala kerusakan yang terdapat disalah satu mesin produksi. Kata kunci: Case Based Reasoning, Mesin Produksi, Resleting, Sorensen Coefficient
PENGKLASIFIKASIAN KEMAMPUAN AKADEMIK MAHASISWA MENGGUNAKAN METODE INFORMATION GAIN DAN NAIVE BAYES CLASSIFIER DALAM PREDIKSI PENYELESAIAN STUDI TEPAT WAKTU Rd Muhammad Alfajri; Yulison Herry Chrisnanto; Rezki Yuniarti alfajri607@gmail.com
Prosiding SNST Fakultas Teknik Vol 1, No 1 (2016): PROSIDING SEMINAR NASIONAL SAINS DAN TEKNOLOGI 7 2016
Publisher : Prosiding SNST Fakultas Teknik

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (275.123 KB)

Abstract

Data mahasiswa merupakan data yang berlimpah terdiri dari awal masuk sampai dengan kelulusan . dikarenakan data yang sangat banyak faktor data warehouse menjadi peluang besar untuk mencul, data yang masuk secara beruntun pada setiap tahunnya memiliki pola tertentu sehingga  diperlukan suatu teknik analisis data yang dapat mengambil informasi yang berharga dari sekian banyak data yang terkumpul pada suatu perangkat komputer atau pelaporan. penelitian ini  dilakukan pada Universitas Jenderal Achmad Yani tepatnya pada jurusan informatika diperlukan suatu teknik analisis data  untuk menganalisis data tersebut. Pada penelitian kali ini data latih sebanyak 82 dan data uji sebanyak 35 diperlukan beberapa atribut dalam menyelesaikan persolanan tersebut diantaranya NIM, nama mahasiswa matakuliah semester 1 sampai dengan 6 dengan total jumlah matakuliah sebanyak 65 dengan penyelesaian studi tepat waktu <= 4 tahun dan > 4 tahun metode yang digunakan adalah Naïve Bayes classifier penelitian ini memperoleh nilai akurasi sebelum menggunakan seleksi fitur sebesar 62 % dan setelah menggunakan seleksi fitur meningkat tidak signifikan sebesar 6 % atau menjadi 68 % sehingga seleksi fitur menggunakan information gain dapat menghilangkan noise dalam proses pengklasifikasian menggunakan naive bayes classifier. Kata kunci: KHS, mata kuliah semester 1-6, naïve bayes classifier
TEKNIK VECTOR SPACE MODEL (VSM) DALAM PENENTUAN PENANGANAN DAMPAK GAME ONLINE PADA ANA Bania Amburika; Yulison Herry Chrisnanto; Wisnu Uriawan
Prosiding SNST Fakultas Teknik Vol 1, No 1 (2016): PROSIDING SEMINAR NASIONAL SAINS DAN TEKNOLOGI 7 2016
Publisher : Prosiding SNST Fakultas Teknik

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (175.182 KB)

Abstract

Perkembangan teknologi informasi menjadi lingkungan baru bagi anak, anak dapat dengan mudah bergaul dan mengikuti perkembangan tersebut. Perkembangan teknologi informasi yang semakin pesat salah satu contohnya yaitu banyaknya permainan game online. Game online merupakan permainan yang dimainkan secara nyata, melawan pihak lain, dengan waktu terpisah dan dibantu oleh PC/handphone, serta dapat dimainkan dengan mudah oleh anak sehingga seorang anak dapat terikat pada game online dan mengalami kecanduan. Kecanduan game online pada anak dapat menjadikan pengaruh buruk bagi perkembangan anak sehingga orang tua perlu mengetahui dampak buruk serta penanganan dari ketergantungan yang diakibatkan oleh game online. Berdasarkan hal tersebut, dapat dibangun sebuah sistem yang dapat menjadi rekomendasi orang tua dalam penentuan penanganan dampak game online pada anak yang mengalami kecanduan. Untuk melakukan proses penentuan penanganan, metode yang digunakan adalah Vector Space Model (VSM), metode ini merupakan metode yang digunakan untuk mengukur tingkat kemiripan pada setiap gejala yang dimasukan oleh pengguna dan membandingkan dengan gejala yang sudah tersimpan didalam database.  Hasil dari penelitian ini berupa rekomendasi penanganan yang dapat dilakukan berdasarkan gejala yang menjadi masukan. Kata Kunci : Game online, Gejala, VSM (Vector Space Model)
Co-Authors Aditya Prakasa Agus Komarudin Bania Amburika Hadiana, Asep Id Rd Muhammad Alfajri Rezki Yuniarti Taufiq Akbar Herawan Wisnu Uriawan, Wisnu